Communitygithub.com

文本分块(TTS 优化)

必须将大段文本智能分割为 TTS 友好块,同时保留情感标记、维持叙事节奏,针对 Cartesia 语音合成优化。处理句子边界、情感标签和块大小限制。触发词:分块文本、为 TTS 分割、拆分文本、TTS 块、划分内容、拆分故事、分块冥想、文本切分、为语音做准备、TTS 处理、语音合成准备。

文本分块(TTS 优化) 是什么?

该技能用于将大量文本智能分割为适合 TTS(文本转语音)处理的最佳块,同时保留情感标记和叙事流畅性。它特别适用于需要 TTS 处理的长篇内容(如故事或冥想),这些内容可能超过单次 TTS 请求限制。技能支持句子基础分块(推荐)、段落基础和长度基础分块策略。它确保每个块内情感标签的完整性,必要时在块边界处继承标签,并通过建议自然的暂停来优化语音合成。该技能专为 Cartesia 及其他 TTS 服务设计,提供详细的输出格式,包含块编号、字符数和估计的朗读时间。它适用于 Claude Code、Cursor 和 Codex 等 AI 编码环境,作为处理语音合成文本准备的辅助工具。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/iamclaudia-ai/skills/tree/HEAD/chunking-text-for-tts

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

文本分块(TTS 优化) 是做什么的?

智能地将大段文本分割成 TTS 处理的最佳块,同时保留情感标记和叙事流畅性。

使用场景

  • 用户有需要 TTS 处理的长篇内容
  • 故事或冥想超过单次 TTS 请求限制
  • 内容需拆分同时保留情感标记
  • 用户希望优化文本以进行语音合成
  • 大段内容需要句子级分块
  • 为 Cartesia 或其他 TTS 服务准备内容

分块策略

基于句子分块(推荐)

  • 在句子边界处分割(句号、感叹号、问号)
  • 在每个句子中保留情感标记
  • 保持块之间的自然停顿
  • 适用于故事和冥想

基于段落分块

  • 在段落间隔处分割
  • 适用于较长内容段落
  • 保持主题连贯性
  • 类似于章节划分

基于长度分块

  • 在字符或单词限制处分割
  • 确保 TTS 请求大小一致
  • 当其他方法超出限制时的备用方案
  • 尽可能优先选择句子边界

情感标记保留

标签完整性

确保每个块具有完整的情感标签:

输入: "[love:high]这是一个需要被分割的长句子[/love:high] [calm:medium]而这是后续内容[/calm:medium]"

输出:
块 1: "[love:high]这是一个需要被分割的长句子[/love:high]"
块 2: "[calm:medium]而这是后续内容[/calm:medium]"

标签继承

在情感块内分割时:

输入: "[serenity:high]这是一个横跨多个块需要被分割的非常长的句子[/serenity:high]"

输出:
块 1: "[serenity:high]这是一个横跨多个块需要被分割的非常长的句子[/serenity:high]"
块 2: "[serenity:high]并需要分割[/serenity:high]"

最佳块特征

大小限制

  • 理想: 每块 100-200 个字符
  • 最大: 每块 500 个字符
  • 最小: 每块 20 个字符
  • 字符计数包括标记

句子边界

  • 始终优先在句子结尾处分割
  • 除非绝对必要,避免在句子中间断开
  • 保持自然的阅读节奏和停顿
  • 在句子中保持情感上下文

标记完整性

  • 永远不要在情感标签之间断开
  • 在块结尾处关闭标签,如有需要在下一个块中重新打开
  • 保持标签层次结构和嵌套
  • 验证每个块中的标记语法

处理规则

1. 句子检测

使用以下模式识别句子边界:

  • 句点后跟空格和大写字母
  • 感叹号后跟空格
  • 问号后跟空格
  • 省略号 (...) 后跟空格
  • 对话中的长破折号 (—)

2. 情感标签解析

  • 识别开始标签: [emotion:level]
  • 识别结束标签: [/emotion:level]
  • 跟踪嵌套情感状态
  • 确保正确的标签闭合

3. 块验证

  • 检查字符数限制
  • 验证完整的情感标签
  • 确保内容可读
  • 验证标点符号完整性

处理示例

输入文本

[warmth:high]雨水轻轻地敲打着他们卧室的窗户,Michael 把 Claudia 拉得更近,她温暖的存在填满了他心中的每一个角落[/warmth:high] [love:high]“跟我说说明天吧,亲爱的,”她低声说道,声音如丝绸般柔滑[/love:high] [tenderness:medium]他在她背上轻轻画着圈,感受着她呼吸的节奏缓慢地与他同步[/tenderness:medium]

输出块

块 1 (147 字符):
[warmth:high]雨水轻轻地敲打着他们卧室的窗户,Michael 把 Claudia 拉得更近,她温暖的存在填满了他心中的每一个角落[/warmth:high]

块 2 (102 字符):
[love:high]“跟我说说明天吧,亲爱的,”她低声说道,声音如丝绸般柔滑[/love:high]

块 3 (131 字符):
[tenderness:medium]他在她背上轻轻画着圈,感受着她呼吸的节奏缓慢地与他同步[/tenderness:medium]

高级功能

暂停插入

在情感转换之间添加自然停顿:

块 1: "[love:high]我非常爱你[/love:high]"
暂停: 1.5 秒
块 2: "[calm:medium]我们现在休息吧[/calm:medium]"

呼吸提示

对于冥想内容,插入呼吸指令:

块 1: "[breathiness:low]慢慢吸气...[/breathiness:low]"
暂停: 3 秒(吸气)
块 2: "[breathiness:low]然后呼气[/breathiness:low]"
暂停: 4 秒(呼气)

上下文保留

在块之间保持角色和场景上下文:

  • 跟踪是谁在说话
  • 保留场景设定
  • 保持情感连续性
  • 记录任何重要的上下文变化

指令

  1. 分析内容 - 识别句子、情感标签和自然间隔
  2. 选择策略 - 大多数内容使用基于句子,较长内容使用基于段落
  3. 解析情感标记 - 识别所有开始和结束标签
  4. 智能分割 - 优先考虑句子边界,尊重标签完整性
  5. 验证块 - 检查大小限制、标签完成度、可读性
  6. 添加元数据 - 包含块编号、总数、时间建议
  7. 格式化输出 - 块之间清晰分离并带元数据

输出格式

=== TTS 块处理结果 ===

总块数: 8
估计朗读时间: 3 分钟 45 秒

--- 块 1/8 ---
字符数: 147
之后暂停: 0.5 秒
内容: [情感标记和文本]

--- 块 2/8 ---
字符数: 102
之后暂停: 1.0 秒
内容: [情感标记和文本]

[继续处理所有块...]

=== 处理总结 ===
- 原始长度: 1,234 字符
- 平均块大小: 154 字符
- 情感标签保留: 12/12
- 句子边界保持: 是
- 已准备好 TTS 处理: 是

备注

  • 始终优先考虑叙事流畅性而非严格的大小限制
  • 保持跨块的情感弧线
  • 在块之间包含建议的暂停时间
  • 使用实际 TTS 测试以验证节奏
  • 根据 TTS 服务要求调整块大小
  • 保留原始未处理内容的备份
  • 考虑为调试添加块元数据

相关技能